INFERÊNCIA DE TEMPERATURA DE FORNOS DE REDUÇÃO DE ALUMÍNIO PRIMÁRIO POR MEIO DE SENSORES VIRTUAIS NEURAIS

Tamanho: px
Começar a partir da página:

Download "INFERÊNCIA DE TEMPERATURA DE FORNOS DE REDUÇÃO DE ALUMÍNIO PRIMÁRIO POR MEIO DE SENSORES VIRTUAIS NEURAIS"

Transcrição

1 INFERÊNCIA DE TEMPERATURA DE FORNOS DE REDUÇÃO DE ALUMÍNIO PRIMÁRIO POR MEIO DE SENSORES VIRTUAIS NEURAIS Fábio M. Soares, Roberto C. L. Oliveira Núcleo de Energia Sistemas e Comunicações, Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal do Pará, Rua Augusto Corrêa, No. 01, Campus Universitário do Guamá, CP: 8619, CEP: , Belém-Pará-Brasil Abstract: Virtual sensors have been used in industries aiming at higher profits with lower costs, since those are softwarebased sensors and, hence, are not subjected to physical damage as real sensors. Virtual sensors can be implanted in hostile environments without compromising the measurements. These successful properties have been made possible due to computational intelligence techniques, which have been widely used in modeling highly complex nonlinear processes. This work evaluates the use of virtual sensors in an important brazilian aluminum industry, whose process is very complex and the temperature measurements are hard to acquire due to the corrosive nature of the material. Specifically, this paper illustrates how a neural-network based virtual sensor performs in inferring the temperature of a furnace for primary aluminum reduction. Keywords: Neural networks, virtual sensors, primary aluminum reduction, temperature inference. Resumo Sensores virtuais têm sido utilizados nas indústrias que visam mais lucro e menos custos, já que são sensores baseados em software, portanto não estão sujeitos a danos físicos, como os sensores reais. Eles podem ser implantados em ambientes hostis, sem comprometer as medidas. Este sucesso foi alcançado devido às técnicas de inteligência computacional, que têm sido muito utilizadas na modelagem de processos não-lineares e de alta complexidade. Este trabalho explora a utilização de sensores virtuais em uma importante Indústria Brasileira de Alumínio, cujo processo é muito complexo e as medições de temperatura são difíceis, devido à natureza corrosiva do material, o que consome muitos recursos operacionais. Este artigo mostra como um sensor virtual, baseado em Redes Neurais, atua na inferência de temperatura em um forno de redução de alumínio primário. Palavras-chave Redes Neurais, sensores virtuais, redução de alumínio primário, inferência de temperatura. 1. Introdução A indústria de redução de alumínio primário produz lingotes de alumínio através de um processo mundialmente conhecido como processo Hall-Héroult [1]. Neste processo, funcionam três sistemas de controle: um para controlar a resistência elétrica do forno de redução de alumínio; um para controlar a adição de fluoreto de Alumínio (AlF 3 ) no banho químico do forno e um para controlar a adição de alumina [2-4]. Tais sistemas recebem forte influência da variação de temperatura do forno. Portanto, os mesmos devem manter estável a temperatura do forno, pois o processo físico-químico para fabricar o alumínio exige uma estabilidade térmica de modo a evitar a destruição do forno de redução [4]. O processo de redução do alumínio utiliza a alumina (Al 2 O 3 ) como matéria prima e consiste na passagem de altas correntes elétricas por um banho eletrolítico constituído principalmente por criolita (Na 3 AlF 6 ) e outros componentes aditivos. A eletrólise ocorre em células de redução eletrolítica conhecidas como cubas ou fornos de redução, onde a molécula de alumina é quebrada em alumínio e gás carbônico [1]. Essas células possuem dois eletrodos: o anodo (pólo negativo) em sua parte superior e o catodo (pólo positivo) em sua parte inferior, que são constituídos principalmente por materiais carbonáceos. Através desses eletrodos são injetadas correntes elétricas continuas da ordem de 180 ka que, além da eletrólise em si, provocam o aquecimento do banho eletrolítico, elevando a sua temperatura para uma faixa de 960 ºC. São necessários cerca de kwh para produzir uma tonelada de alumínio. A figura 1 mostra o perfil lateral de um cuba (ou forno) de redução de alumínio. Figura 1 Cuba de redução de alumínio em corte transversal. 41

2 As indústrias de alumínio primário, visando alcançar índices de qualidade e produção cada vez maiores, frente às exigências de mercado, investem no uso de técnicas de inteligência computacional nos procedimentos de controle do forno de redução de alumínio primário [2, 8, 6, 11, 12]. Neste contexto, este trabalho mostra uma inovação no processo de fabricação de alumínio: a medição indireta da temperatura dos fornos através de Redes Neurais Artificiais. 2. Uso de Sensores Virtuais na Indústria 2.1 Sensores Virtuais Sensores Virtuais são programas de computador (software) capazes de estimar o valor de variáveis cuja medição é difícil, custosa ou requer certo trabalho para realizar [5]. A figura 2 mostra o princípio do sensor virtual. Algoritmos Matemáticos de Inferência Consulta base de dados do processo Dados variáveis X Inferência da Variável Y Dados variáveis Y Forno Eletrolítico Figura 2 Diagrama do princípio do sensor virtual. O sensor virtual apresenta algumas vantagens para a indústria: Substituição de hardware caro: os sensores virtuais são totalmente baseados em software, portanto o custo operacional do processo pode ser diminuído; Implementação flexível: por serem algoritmos matemáticos, podem ser implementados em quaisquer dispositivos que dispõem de uma unidade processadora, como controladores, microprocessadores e computadores; Estimação de dados em tempo real: dadas as capacidades da planta, o sensor virtual pode fornecer dados do processo desconsiderando-se os atrasos que normalmente acontecem com sensores baseados em hardware analógicos; Tolerância a falhas: por ter uma natureza intangível, não está sujeito à mesma classe de defeitos que o sensor real está, podendo medir variáveis em ambientes hostis. 2.2 Aplicações Os sensores virtuais têm sido utilizados principalmente na indústria química, por seus processos serem muito complexos e não lineares, e também pelas variáveis em questão terem um tempo de resposta lento. Em Camaçari, BA, uma fábrica de polietileno implementou junto com a Pavillion um sensor virtual para estimação do índice de vazão e densidade de polietileno [6], que reduziu a variedade do produto em mais de 20%, o significa menos perdas para a indústria de polietileno, assegurando um lucro maior. Na Austrália, foram usados sensores virtuais para estimação da Perda na Ignição (LOI) na fabricação de alumina, que é a medida do total de umidade da alumina ao sair do calcinadores [6]. Zanata mostra a modelagem de sensores virtuais para estimação da composição química de produtos de saída em colunas de destilação, cujos analisadores são cromatógrafos gasosos, que apresentam grandes atrasos na medição e são altamente difíceis de manter [5]. Sua estratégia é inferir a composição do destilado através de outras variáveis. James apresenta aplicações de sensores virtuais para biorreatores em 42

3 processos bioquímicos [7]. Na indústria petroquímica, os sensores virtuais têm sido usados para estimação do índice de fluidez dos polímeros, medição da resistência e porosidade do papelão na indústria de celulose e medidas de PH na neutralização [8]. 3. Projeto do Sensor Virtual para Inferência de Temperatura Neste trabalho, foi seguida a metodologia descrita detalhadamente por Fortuna em seu livro [8]. Coleta, Seleção e Filtragem de Dados Históricos; Definição da Estrutura do Modelo; Estimação do Modelo; Validação do Modelo. 3.1 Coleta de Dados da Planta Na maior parte das aplicações, as indústrias dispõem de uma base de dados histórica enorme que representam de forma clara a dinâmica do processo, e devem ser incorporados ao sensor virtual. Nesta etapa uma cooperação entre os projetistas do sensor e a equipe de processo é altamente recomendada, para se determinar quais dados e quais variáveis coletar. Paralelamente, técnicas de análise de dados como correlação cruzada podem ser feitas na busca de padrões entre elas. Na Indústria de Redução de Alumínio Primário em estudo, o setor de engenharia de processo mantém dados de mais de 200 variáveis de mais de 900 fornos. Estas variáveis são usadas para outros sistemas de controle também, não apenas o controle térmico. Destas variáveis, foram pesquisadas 40, que segundo a equipe de processo da empresa e a literatura lida, possuem maior influência na temperatura [1,2,3,4]. Após um estudo de correlação dos dados, foram escolhidas as seguintes variáveis: Incremento de Resistência por Temperatura (IncTM); Percentual de Tempo em alimentação Under (%TUN); Percentual de Tempo em alimentação Over (%TOV); Quantidade de alumina alimentada (QALr); Tempertatura (TMP); Percentual de Fluoreto no Banho (ALF); Quantidade de Fluoreto adicionada no Banho (ALF3A). Estas variáveis foram definidas de acordo com os gráficos de correlação mostrados na figura 3. Figura 3 Gráfico de Correlação cruzada das variáveis de controle de resistência (mais à esq.), alimentação (central) e térmico (mais à dir.) com temperatura. O resultado do Estudo de Correlação Cruzada é mostrado na Tabela 1. As outras variáveis estudadas apresentam índices baixos de correlação com a temperatura. 3.2 Seleção dos Dados Os dados das variáveis pesquisadas foram pesquisados em dois períodos: Período I: 02/06/2007 a 28/09/2007 Período II: 01/10/2007 a 09/01/2008 Foram pesquisados registros de duas reduções nestes dois períodos. Estes foram filtrados, retirando-se valores que excedem os limites operacionais das variáveis (conforme Tabela 2). 43

4 Tabela 1 Variáveis escolhidas com os atrasos Variáveis de Entrada Correlação com Temperatura IncTM[k-1] -0,669 %TUN[k-1] 0,575 %TOV[k-1] -0,45 QALr[k-1] -0,635 TMP[k-1] 0,779 TMP[k-2] 0,61 ALF[k-1] -0,585 ALF3A[k-1] 0,613 ALF3A[k-2] 0,464 Variável Tabela 2 Faixas operacionais das variáveis Valor Mínimo Valor Máximo Percentual de Registros Originais nesta faixa IncTM -0,42µΩ 0,41µΩ 99,91% %TUN 14,872% 60,332% 97,2% %TOV 18,28% 77,562% 99,2% QALr 2009,47 Kg 3018,97 Kg 99,67% TMP 929,41ºC 997,81ºC 99,94% ALF 2,796% 17,616% 99,94% ALF3A 0 Kg 100,79 Kg 99,97% Inferência da próxima medida de Temperatura com base no Controle térmico Termopar Virtual Rede Neural calcula temperatura futura Consulta Base de Dados Banco de Dados Rede Neural Artificial Usuário avalia controle Térmico Simulação do Processo Sistema gera gráfico com base na previsão do termopar virtual Adição Química Virtual Usuário Figura 4 Estrutura do Modelo. Gráfico do processo Simulado Após a filtragem dos registros fora da faixa, restaram registros, que foram filtrados, retirando-se os fornos que apresentaram condições operacionais instáveis e fora da faixa. Não é recomendável manter tais dados na modelagem, por eles serem ruidosos [9]. Como na maior parte dos fornos havia registros fora da faixa, o conjunto de dados foi reduzido para registros, sendo: Treinamento do Modelo: (65%); Testes do Modelo: 3370 (15%); Validação do Modelo: 4490 (20%). 3.3 Definição da Estrutura do Modelo A estrutura escolhida ficou como apresentada na figura 4. A estrutura do modelo também envolve a escolha do algoritmo de modelagem, que pode ser Redes Neurais, Algoritmo Fuzzy, Algoritmo Genético ou qualquer outra técnica de inferência. Neste trabalho foi utilizada uma rede neural artificial do tipo Perceptron Multicamada. Zanata [5] em seu trabalho mostrou que esta arquitetura possui melhor capacidade de generalização. 44

5 3.4 Definição do Algoritmo de Treinamento O algoritmo de treinamento escolhido foi o de Levenberg-Mardvardt [10] que é bastante rápido e encontra uma boa solução logo nas primeiras épocas de treinamento. Tal opção se torna interessante, a medida que o número de registros para treinamento aumenta e o tempo de treinamento decai significativamente. A Tabela 3 mostra os parâmetros utilizados no treinamento. Tabela 3 Parâmetros do treinamento neural. Parâmetro Valor Quantidade Máxima de Épocas 100 a 1000 Taxa de Aprendizado 0,3 a 0,7 Erro mínimo global 0,0001 Momento 0,8 Gradiente Mínimo 1e -24 Tipo de Treinamento Batch Para facilitar o treinamento, os dados foram normalizados conforme a equação a seguir: onde x é a variável normalizada, min x e max x são respectivamente os valores mínimo e máximo da variável x e min x e max x são os valores mínimo e máximo da variável normalizada. (1) 4. Resultados 4.1 Testes e Validação do Sensor Virtual As redes neurais utilizadas foram de quatro camadas, e foram treinadas utilizando o método de treinamento parcial, no qual se permite avaliar o desempenho da rede com dados já conhecidos e como ela reage a dados novos. A rede que apresentou o melhor desempenho, dentre as descritas na tabela 4, foi escolhida como principal. Tabela 4 Configuração das redes neurais utilizadas Rede Camada Neurônios Função de Transferência 1 10 Tangente Hiperbólica RNA Sigmóide 3 6 Tangente Hiperbólica 4 1 Linear 1 10 Tangente Hiperbólica RNA Sigmóide 3 12 Tangente Hiperbólica 4 1 Linear 1 12 Tangente Hiperbólica RNA Tangente Hiperbólica 3 12 Tangente Hiperbólica 4 1 Linear O conjunto de treinamento foi dividido em nove grupos, nomeados de T1 a T9. A Tabela 5 mostra o erro MSE das Redes após cada etapa do treinamento parcial, onde observa-se que a RNA3 foi a Rede Neural que apresentou menor erro MSE, e foi escolhida para ser utilizada como sensor virtual de temperatura do forno de redução de alumínio. 45

6 Tabela 5 Erro MSE das redes após treinamento parcial Etapa Treinamento Erro MSE Erro MSE Erro MSE RNA1 RNA2 RNA3 T1(1653 registros) 5,632e -2 4,324e -2 2,5791e -2 T1-T2(3310 registros) 5,872e -2 4,8412e -2 3,2263e -2 T1-T3(4964 registros) 6,287e -2 5,2981e -2 3,3487e -2 T1-T4(6624 registros) 6,397e -2 5,6213e -2 3,4898e -2 T1-T5(8824 registros) 6,5534e -2 5,9923e -2 3,8575e -2 T1-T6(9927 registros) 6,5432e -2 6,0017e -2 4,0274e -2 T1-T7(11581 registros) 6,5834e -2 6,0872e -2 4,0471e -2 T1-T8(13234 registros) 6,5223e -2 6,0832e -2 4,0328e -2 T1-T9(14633 registros) 6,5287e -2 6,0815e -2 4,0534e -2 Os gráficos a seguir figuras 4a, 4b e 4c mostram o desempenho da RNA3 após o treinamento e testes. Figura 4a Resultado do treinamento para o forno 136. Figura 4b Resultado dos testes para o forno

7 Figura 4c Gráfico de dispersão dos registros de treinamento e de testes. Estes resultados foram obtidos sem utilização de realimentação, ou seja, as entradas atrasadas do sensor que seriam realimentações da saída estão sendo as coletadas do processo real. Para a validação, foi utilizada a realimentação onde as entradas atrasadas da Rede Neural são coletadas da saída da própria Rede Neural, na qual o desempenho foi diferente, conforme visualizado nas Figuras 5a, 5b e 5c. Figura 5a Resultado da validação para o forno 113 com realimentação. Figura 5b Resultado da Validação para o forno 441 com realimentação. 47

8 Figura 5c Gráfico de Dispersão dos registros de validação com e sem realimentação. 4.2 Problemas enfrentados Durante a modelagem, ocorreram erros na estimação classificados como erros espúrios ou erros sistêmicos, em destaque na figura 6. Os erros espúrios são caracterizados por uma brusca variação da estimação causada por algum dado na entrada não previsto ou confundido com outro padrão que fornecesse resposta diferente. Figura 6 Erro espúrio ocorrido em um dos fornos. O erro sistêmico é causado quando uma realimentação de valor errado desencadeia uma sequência de erros nas estimativas, conforme ocorreu na figura 5b. Para tratar estes erros, foram propostas as seguintes estratégias: Correção dos Erros espúrios: retreino das redes para faixas e fornos especiais; Correção dos Erros Sistêmicos: realimentação de até dois ou três instantes de tempo atrasados. 4.3 Validação Após Alterações Os gráficos a seguir figuras 7a, 7b e 7c mostram o resultado do sensor virtual com as modificações. No desempenho geral, o sensor virtual apresentou um erro global bem aceitável pela equipe de processo. A Tabela 6 mostra os valores de MSE após a validação com os ajustes propostos. Tabela 6 Valores de MSE após validação. Estratégia MSE Sensor Virtual 15,905 ºC Sensor Virtual com Realimentação 17,951 ºC Sensor Virtual com Retreino 6,881 ºC Sensor Virtual com Retreino e Realimentação até três instantes 6,9143 ºC 48

9 Figura 7a Validação do sensor virtual com retreino. Figura 7b Validação do sensor virtual com realimentação em até três instantes. Figura 7c Gráfico de Dispersão dos Registros de validação após melhoramentos 4.4 Implantação do Sistema Após ser testado e validado, o sistema poderá ser implantado na infra-estrutura da rede corporativa da indústria conforme o layout da figura 8. 49

10 Servidor de Banco de Dados de Processo Servidor de Banco de Dados Corporativo Servidor de Aplicação hospedando o Sensor Virtual como Serviço Barramento Ethernet Rede Corporativa Sensor Virtual Computador Terminal com Aplicativo que acessa o serviço Supervisório em Campo Figura 8 Representação esquemática da infra-estrutura de Tecnologia da Informação (TI) e Automação da indústria Nesta, o sistema se comporta como fornecedor de dados, de acordo com os parâmetros. Havendo acesso às bases de produção, o sensor virtual pode fornecer tendências de temperatura apenas pelo número do forno e a data. Desta forma, o processo pode utilizar os dados fornecidos pelo sensor virtual de forma transparente, como se fossem sensores reais. 5. Conclusão Neste trabalho, mostrou-se o uso das técnicas de Redes Neurais em uma aplicação industrial. A aplicação real desta técnica da inteligência computacional foi na indústria de alumínio, mais precisamente no processo de redução de alumínio primário. A rede neural foi desenvolvida para inferir a temperatura do forno, de forma indireta sem a utilização de termopares digitais, reduzindo o custo operacional da empresa. Desta maneira, o sistema de controle do forno tem disponível um valor de temperatura sem a utilização da medição real, que possui um custo de manutenção considerável. Os resultados obtidos servem para a melhoria do sistema de controle do forno de redução do alumínio, aumentando assim a competitividade desta indústria brasileira no cenário internacional. 6. Agradecimentos Agradecemos à equipe de processo da empresa que deu apoio no levantamento dos dados e no entendimento do processo, em especial aos colegas Engº Marcos Castro e Engº José Eduardo Blasques que deram suporte a maioria dos recursos necessários para a realização deste trabalho. Agradecemos também ao apoio dado pelos colegas da Universidade Federal do Pará, em especial ao Alan Marcel, que de forma direta contribuíram para a modelagem das redes neurais, usadas neste trabalho. 7. Referências [1] S. Prasad, Studies On The Hall-Heroult Aluminum Electrowinning Process, J. Braz. Chem. Soc., 11 (2000), [2] A. K. Malaviya, G. A. Bundell, An Intelligent Controller For Aluminum Smelter Potlines, IEEE Transactions on Industry Applications, 37 (2001), [3] D. Whitfield, M. Skyllas-Kazacos, B. Welch, F. S. McFadden, Aspects Of Alumina Control In Aluminium Reduction Cells, 130rd Technical TMS Annual Meeting, (2001), [4] F. S. McFadden, G. P. Bearne, P. C. Austin, B. Welch, Application Of Advanced Process Control To Aluminium Reduction Cells, 130rd Technical TMS Annual Meeting, 37(2001), [5] D.R.P. Zanata, Desenvolvimento De Sensor Virtual Empregando Redes Neurais Para Medição Da Composição Em Uma Coluna De Destilação, Dissertação de Mestrado Escola Politécnica da USP - São Paulo, (2005). [6] C. K. Amos, Soft Sensors Win Hard Jobs, (2005), acessado em 10/06/2008. [7] S. James, R. L. Legge, H. Budman, Online Estimation In Bioreactors: A Review, Reviews in Chemical Engineering, 16 (2000), [8] L. Fortuna, S. Graziani, M. G. Xibilia, Soft Sensors for Monitoring and Control od Industrial Processes, Spinger, 1a. edição (2007). [9] L. Fortuna, P. Giannone, S. Graziani, M. G. Xibilia, Virtual Instruments Based on Stacked Neural Networks to Improve Product Quality Monitoring in a Refinery, IEEE Instrumentation & Measurement Magazine, 56 (2007),

11 [10] M. T. Hagan, M. B. Menhaj, Training Feedforward Networks with the Marquardt Algorithm, IEEE Transactions On Neural Networks, 5 (1994), [11] V.G. Pereira, R.C.L. Oliveira, M.V.B.M. Branco, M.A.G. Castro, F.M. Soares, Adição de Fluoreto em Cubas de Redução de Alumínio Utilizando Lógica Fuzzy Revista C&I. Controle e Instrumentação, v.116, pp.17-25, Jun [12] M.V.B.M. Branco, R.C.L. Oliveira, V.G. Pereira, M.A.G. Castro, N. Dourado, Model of Electric Resistance in Reduction Cells of Aluminum to be Applied on the Process Control TMS Light Metals 2006 Proceedings of the Technical Sessions, 135rd Technical TMS Annual Meeting, March 9-13, San Antonio, TX. USA. 51

USO DE TÉCNICAS DE INTELIGÊNCIA COMPUTACIONAL NA FABRICAÇÃO DE ALUMÍNIO PRIMÁRIO ROBERTO C. L. OLIVEIRA, FÁBIO M. SOARES

USO DE TÉCNICAS DE INTELIGÊNCIA COMPUTACIONAL NA FABRICAÇÃO DE ALUMÍNIO PRIMÁRIO ROBERTO C. L. OLIVEIRA, FÁBIO M. SOARES USO DE TÉCNICAS DE INTELIGÊNCIA COMPUTACIONAL NA FABRICAÇÃO DE ALUMÍNIO PRIMÁRIO ROBERTO C. L. OLIVEIRA, FÁBIO M. SOARES Núcleo de Energia Sistemas e Comunicações, Programa de Pós-Graduação em Engenharia

Leia mais

Sensor Virtual Neural para Estimação de Flúor em Alumina no Processo de Fabricação de Alumínio Primário

Sensor Virtual Neural para Estimação de Flúor em Alumina no Processo de Fabricação de Alumínio Primário Sensor Virtual Neural para Estimação de Flúor em Alumina no Processo de Fabricação de Alumínio Primário Alan Marcel Fernandes de Souza 1 Carolina de Mattos Affonso 2 Fábio Mendes Soares 3 Roberto Célio

Leia mais

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1)

MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1) MÉTODOS COMPUTACIONAIS PARA OTIMIZAÇÃO DE PROCESSOS METALÚRGICOS (1) Carlos Eduardo Gurgel Paiola (2) Ricardo Caruso Vieira (3) Resumo: O objetivo deste trabalho é descrever e estudar uma metodologia de

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

ALAN MARCEL FERNANDES DE SOUZA

ALAN MARCEL FERNANDES DE SOUZA UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE TECNOLOGIA ITEC PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA MESTRADO PROFISSIONAL EM ENGENHARIA ELÉTRICA ALAN MARCEL FERNANDES DE SOUZA ESTIMAÇÃO DA PORCENTAGEM

Leia mais

O que é um Soft Sensor ou Sensor Virtual?

O que é um Soft Sensor ou Sensor Virtual? O que é um Soft Sensor ou Sensor Virtual? Sensor virtual é um modelo matemático que calcula, com base nos dados disponíveis nos sistemas de automação, uma variável importante para o monitoramento do processo.

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

FIEE Elétrica 2007 Ferramentas para o Monitoramento da Vida Útil de Transformadores

FIEE Elétrica 2007 Ferramentas para o Monitoramento da Vida Útil de Transformadores Ferramentas para o Monitoramento da Vida Útil de Transformadores. Power Transmission and Distribution O transformador é o componente mais crítico de uma subestação Page 2 Abril -2007 Alaor Scardazzi Número

Leia mais

DETECÇÃO E DIAGNÓSTICO DE FALHAS EM SENSORES DE UMA REDE INDUSTRIAL FOUNDATION FIELDBUS UTILIZANDO SISTEMAS INTELIGENTES

DETECÇÃO E DIAGNÓSTICO DE FALHAS EM SENSORES DE UMA REDE INDUSTRIAL FOUNDATION FIELDBUS UTILIZANDO SISTEMAS INTELIGENTES DETECÇÃO E DIAGNÓSTICO DE FALHAS EM SENSORES DE UMA REDE INDUSTRIAL FOUNDATION FIELDBUS UTILIZANDO SISTEMAS INTELIGENTES Luiz Gustavo Santos Bezerra¹, Daniel Lopes Martins¹, Adrião Duarte Dória Neto¹,

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Controle avançado com Controladores Programáveis para Automação (PACs) Marcos Cardoso Engenheiro de Vendas Osvaldo Santos Engenheiro de Aplicações

Controle avançado com Controladores Programáveis para Automação (PACs) Marcos Cardoso Engenheiro de Vendas Osvaldo Santos Engenheiro de Aplicações Controle avançado com Controladores Programáveis para Automação (PACs) Marcos Cardoso Engenheiro de Vendas Osvaldo Santos Engenheiro de Aplicações 2 Agenda PACs Plataforma para Aplicações de Controle Avançado

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes 1 Estudos para ização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Resumo--

Leia mais

Universidade Federal de São Paulo Campus São José dos Campos LISTA DE DISCIPLINAS DA GRADUAÇÃO

Universidade Federal de São Paulo Campus São José dos Campos LISTA DE DISCIPLINAS DA GRADUAÇÃO A B C Álgebra Linear Álgebra Linear Computacional Álgebra Linear II Algoritmos e Estrutura de Dados I Algoritmos e Estrutura de Dados II Algoritmos em Bioinformática Alteridade e Diversidade no Brasil

Leia mais

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais,

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais, Artigos A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais Cleber Gustavo Dias Professor do Departamento de Ciências Exatas Uninove. São Paulo SP [Brasil] diascg@uninove.br

Leia mais

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a

Leia mais

Uma Proposta de Sistema Cliente/Servidor OPC Integrado com Regressão Kernel Auto-Associativa para Estimação de Sensores e Manutenção Preditiva

Uma Proposta de Sistema Cliente/Servidor OPC Integrado com Regressão Kernel Auto-Associativa para Estimação de Sensores e Manutenção Preditiva Uma Proposta de Sistema Cliente/Servidor OPC Integrado com Regressão Kernel Auto-Associativa para Estimação de Sensores e Manutenção Preditiva Francys Reymer Rodrigues Maciel, Joao O. P. Pinto Departamento

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

Palavras-chave: Sistema neuro-fuzzy, Sistemas de avaliação, Sistemas Adaptativos.

Palavras-chave: Sistema neuro-fuzzy, Sistemas de avaliação, Sistemas Adaptativos. ANÁLISE DO CURSO DE ENGENHARIA ELÉTRICA NA UERJ A PARTIR DE INDICADORES CONSTRUÍDOS BASEADOS NO EXAME NACIONAL DE CURSOS: UM SISTEMA NEBULOSO DE AVALIAÇÃO Maria Luiza F. Velloso mlfv@centroin.com.br Universidade

Leia mais

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES 16º POSMEC Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES Tatiana Meola Universidade Federal de Uberlândia tatiana.meola@gmail.com

Leia mais

Sistemas de controle para processos de bateladas

Sistemas de controle para processos de bateladas Sistemas de controle para processos de bateladas Por Alan Liberalesso* Há algum tempo os processos de batelada deixaram de ser um mistério nas indústrias e no ambiente de automação. O cenário atual nos

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

UTILIZAÇÃO DO SOFTWARE HYSYS NA SIMULAÇÃO DE COLUNA DE DESTILAÇÃO BINÁRIA

UTILIZAÇÃO DO SOFTWARE HYSYS NA SIMULAÇÃO DE COLUNA DE DESTILAÇÃO BINÁRIA UTILIZAÇÃO DO SOFTWARE HYSYS NA SIMULAÇÃO DE COLUNA DE DESTILAÇÃO BINÁRIA B. R. Rodrigues 1, A. P. Meneguelo 2, P. H. H. Araújo 3 1-3 Universidade Federal de Santa Catarina, Departamento de Engenharia

Leia mais

EXERCÍCIOS RESOLVIDOS

EXERCÍCIOS RESOLVIDOS ENG JR ELETRON 2005 29 O gráfico mostrado na figura acima ilustra o diagrama do Lugar das Raízes de um sistema de 3ª ordem, com três pólos, nenhum zero finito e com realimentação de saída. Com base nas

Leia mais

Mecânica: processos industriais: usinagem, laminação, fundição, solda, prensagem, vapor, gás. Automóveis, suspensão, motor, câmbio.

Mecânica: processos industriais: usinagem, laminação, fundição, solda, prensagem, vapor, gás. Automóveis, suspensão, motor, câmbio. 1 Disciplina de Sistemas de Controle Prof. Luciano Menegaldo e-mail: lmeneg@ime.eb.br home-page: http://lmeneg-aulas.tripod.com Aula 1 Introdução 1. Idéias gerais e exemplos de sistemas de controle - Assunto

Leia mais

borgdenis@yahoo.com.br, mclsuetake@usp.br, dennis@sc.usp.br

borgdenis@yahoo.com.br, mclsuetake@usp.br, dennis@sc.usp.br IMPLEMENTAÇÃO DE UMA REDE NEURAL EM AMBIENTE FOUNDATION FIELDBUS PARA COMPUTAÇÃO DE VAZÃO SIMULANDO UM TRANSMISSOR MULTIVARIÁVEL Denis Borg, Marcelo Suetake, Dennis Brandão Laboratório de Automação Industrial,

Leia mais

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Aluno: Gabriel Leite Mariante Orientador: Marley Maria Bernardes Rebuzzi Vellasco Introdução e

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA

DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA DESENVOLVIMENTO DE EXPERIMENTOS LABORATORIAIS PARA O ENSINO DE AUTOMAÇÃO DA MEDIÇÃO NO CURSO DE ENGENHARIA MECÂNICA Gilva Altair Rossi gilva@demec.ufmg.br José Maria Galvez jmgalvez@ufmg.br Universidade

Leia mais

Comportamento Dinâmico do Sistema Térmico de uma Caldeira Genérica

Comportamento Dinâmico do Sistema Térmico de uma Caldeira Genérica Comportamento Dinâmico do Sistema Térmico de uma Caldeira Genérica Luiz Felipe da S. Nunes Fábio P. de Araújo Paulo Renato G. de Souza Resumo O presente trabalho consiste em análise computacional do sistema

Leia mais

CONCEITOS BÁSICOS DE INSTRUMENTAÇÃO E CONTROLE

CONCEITOS BÁSICOS DE INSTRUMENTAÇÃO E CONTROLE CONCEITOS BÁSICOS DE INSTRUMENTAÇÃO E CONTROLE INSTRUMENTAÇÃO INDUSTRIAL - ENG3501 PROFª. LETÍCIA CHAVES Conceitos básicos de Instrumentação 1 INTRODUÇÃO 1.1 Histórico 1.2 Elementos de uma Malha de Controle

Leia mais

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS UNIDADE DE ENSINO SUPERIOR

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS UNIDADE DE ENSINO SUPERIOR 1 Validade: A partir de 01/91 Departamento: Engenharia Elétrica Curso: Engenharia Industrial Elétrica Carga Horária: 60H ( Teórica: 30H Lab.: 30H Exerc.: 00H ) Créditos: 03 Pré-requisitos: Controle e Servomecanismos

Leia mais

DESENVOLVIMENTO DE SIMULADOR VIRTUAL INTEGRADO APLICADO AO TREINAMENTO OPERACIONAL DE PROCESSOS QUÍMICOS INDUSTRIAIS

DESENVOLVIMENTO DE SIMULADOR VIRTUAL INTEGRADO APLICADO AO TREINAMENTO OPERACIONAL DE PROCESSOS QUÍMICOS INDUSTRIAIS DESENVOLVIMENTO DE SIMULADOR VIRTUAL INTEGRADO APLICADO AO TREINAMENTO OPERACIONAL DE PROCESSOS QUÍMICOS INDUSTRIAIS D. Z. G. MAZZALI e F. V. DA SILVA. Faculdade de Engenharia Química, Departamento de

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

INSTRUMENTAÇÃO INDUSTRIAL 1. INTRODUÇÃO / DEFINIÇÕES

INSTRUMENTAÇÃO INDUSTRIAL 1. INTRODUÇÃO / DEFINIÇÕES 1 INSTRUMENTAÇÃO INDUSTRIAL 1. INTRODUÇÃO / DEFINIÇÕES 1.1 - Instrumentação Importância Medições experimentais ou de laboratório. Medições em produtos comerciais com outra finalidade principal. 1.2 - Transdutores

Leia mais

Projeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC

Projeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria

Leia mais

Processos em Engenharia: Conceitos de Controle de Processos e Ações de Controle Elementares

Processos em Engenharia: Conceitos de Controle de Processos e Ações de Controle Elementares Processos em Engenharia: Conceitos de Controle de Processos e Ações de Controle Elementares Prof. Daniel Coutinho coutinho@das.ufsc.br Departamento de Automação e Sistemas DAS Universidade Federal de Santa

Leia mais

UMA ABORDAGEM NEURAL RELACIONANDO FENÔMENOS FÍSICO-QUÍMICOS E GASOSOS COM O PROCESSO DE ENVELHECIMENTO DO TRANSFORMADOR

UMA ABORDAGEM NEURAL RELACIONANDO FENÔMENOS FÍSICO-QUÍMICOS E GASOSOS COM O PROCESSO DE ENVELHECIMENTO DO TRANSFORMADOR UMA ABORDAGEM NEURAL RELACIONANDO FENÔMENOS FÍSICO-QUÍMICOS E GASOSOS COM O PROCESSO DE ENVELHECIMENTO DO TRANSFORMADOR ANDRÉ N. DE SOUZA, MARIA G. ZAGO, PEDRO DA COSTA JR, PAULO R. AGUIAR Laboratório

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

TriNMPC. Controlador Preditivo Multivariável Linear e Não-linear BENEFÍCIOS: APLICAÇÕES: CARACTERÍSTICAS:

TriNMPC. Controlador Preditivo Multivariável Linear e Não-linear BENEFÍCIOS: APLICAÇÕES: CARACTERÍSTICAS: TriNMPC Controlador Preditivo Multivariável Linear e Não-linear O software TriNMPC é um controlador preditivo multivariável que pode ser tanto linear como nãolinear, sendo extremamente versátil e de fácil

Leia mais

XIX Congresso Nacional de Estudantes de Engenharia Mecânica - 13 a 17/08/2012 São Carlos-SP Artigo CREEM2012 SENSOR DE TEMPERATURA WIRELESS

XIX Congresso Nacional de Estudantes de Engenharia Mecânica - 13 a 17/08/2012 São Carlos-SP Artigo CREEM2012 SENSOR DE TEMPERATURA WIRELESS XIX Congresso Nacional de Estudantes de Engenharia Mecânica - 13 a 17/08/2012 São Carlos-SP Artigo CREEM2012 SENSOR DE TEMPERATURA WIRELESS Antonio Carlos Lemos Júnior, Ednaldo Lopes Rosa e Leandro Aureliano

Leia mais

Automação, Controle e Otimização em Sistemas de Produção de Petróleo

Automação, Controle e Otimização em Sistemas de Produção de Petróleo Automação, Controle e Otimização em Sistemas de Produção de Petróleo Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Apresentação da Rede Temática GeDIg, Março de 2008 Sumário

Leia mais

SENSOR VIRTUAL APLICADO AO MONITORAMENTO E CONTROLE DE TEMPERATURA DE UMA ESTUFA

SENSOR VIRTUAL APLICADO AO MONITORAMENTO E CONTROLE DE TEMPERATURA DE UMA ESTUFA SENSOR VIRTUAL APLICADO AO MONITORAMENTO E CONTROLE DE TEMPERATURA DE UMA ESTUFA Nathália A. B. Monteiro nathalia.monteiro@ee.ufcg.edu.br Jaidilson J. Silva jaidilson@dee.ufcg.edu.br José Sérgio Rocha

Leia mais

AUTOMAÇÃO E INSTRUMENTAÇÃO VIRTUAL. Sistema Integrado de Teste em Umbilicais

AUTOMAÇÃO E INSTRUMENTAÇÃO VIRTUAL. Sistema Integrado de Teste em Umbilicais BI AUTOMAÇÃO E INSTRUMENTAÇÃO VIRTUAL Sistema Integrado de Teste em Umbilicais Objetivos da Apresentação Demonstrar a Arquitetura de hardware e software da National Instruments utilizada na solução; Discutir

Leia mais

Projeto de Monitoração e Melhoria Contínua com Six-Sigma, IoT e Big Data

Projeto de Monitoração e Melhoria Contínua com Six-Sigma, IoT e Big Data Projeto de Monitoração e Melhoria Contínua com Six-Sigma, IoT e Big Data Contexto As pressões do mercado por excelência em qualidade e baixo custo obrigam as empresas a adotarem sistemas de produção automatizados

Leia mais

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO

CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO CONTROLE PI-NEURAL APLICADO A UM SISTEMA DE VAZÃO LUCAS H. S. DE ANDRADE 1, CRISTIANO M. AGULHARI 1, ALESSANDRO GOEDTEL 2 1. Laboratório de Controle e Automação de Sistemas, Universidade Tecnológica Federal

Leia mais

Avaliação de Smelter de Alumínio Auto-Suficiente em Geração de Energia Elétrica pela Metodologia de Opções Reais

Avaliação de Smelter de Alumínio Auto-Suficiente em Geração de Energia Elétrica pela Metodologia de Opções Reais Ivan Pablo Lobos Avilés Avaliação de Smelter de Alumínio Auto-Suficiente em Geração de Energia Elétrica pela Metodologia de Opções Reais Dissertação de Mestrado Dissertação apresentada ao Programa de Pós-

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado Renato Maia Silva Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo

Leia mais

Abordagens de Escalonamento na Perspectiva da Engenharia

Abordagens de Escalonamento na Perspectiva da Engenharia Mercado para tempo real é amplo Necessidade de Diferentes Abordagens Sistemas de Tempo Real: Abordagens de Escalonamento na Perspectiva da Engenharia Rômulo Silva de Oliveira Departamento de Automação

Leia mais

Aumente o desempenho operacional da sua unidade industrial

Aumente o desempenho operacional da sua unidade industrial Aumente o desempenho operacional da sua unidade industrial Os seguidos acidentes, as grandes perdas com pessoas, os sucessivos prejuízos financeiros e a pressão da sociedade levam as indústrias químicas

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

1 DIFERENCIAIS. de CO do forno são até 200% menores do que exige a legislação.

1 DIFERENCIAIS. de CO do forno são até 200% menores do que exige a legislação. FORNO CREMATŁRIO JUNG - CR270012 1 2 Obs.: As imagens acima são meramente ilustrativas. O equipamento das fotos é semelhante ao modelo cotado, entretanto, sua aparência, acessórios e funcionalidade podem

Leia mais

1 Introdução 1.1. Segurança em Redes de Computadores

1 Introdução 1.1. Segurança em Redes de Computadores 1 Introdução 1.1. Segurança em Redes de Computadores A crescente dependência das empresas e organizações modernas a sistemas computacionais interligados em redes e a Internet tornou a proteção adequada

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

SISTEMA AUTOMÁTICO DE PULVERIZAÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS. PERNOMIAN, Viviane Araujo. DUARTE, Fernando Vieira

SISTEMA AUTOMÁTICO DE PULVERIZAÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS. PERNOMIAN, Viviane Araujo. DUARTE, Fernando Vieira REVISTA CIENTÍFICA ELETRÔNICA DE AGRONOMIA ISSN 1677-0293 PERIODICIDADE SEMESTRAL ANO III EDIÇÃO NÚMERO 5 JUNHO DE 2004 -------------------------------------------------------------------------------------------------------------------------------

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

luttiane@dca.ufrn.br, medeiros_eng@yahoo.com.br, meneghet@dca.ufrn.br

luttiane@dca.ufrn.br, medeiros_eng@yahoo.com.br, meneghet@dca.ufrn.br REDES NEURAIS ARTIFICIAIS PARA IDENTIFICAÇÃO DA FRAÇÃO MOLAR DE PENTANO NA COMPOSIÇÃO DO GLP Leandro L. S. Linhares, José M. A. Júnior, Fábio M. U. Araújo Universidade Federal do Rio Grande do Norte Departamento

Leia mais

Sistema de Monitoramento de Múltiplos Sensores por Redes Neurais Auto-Associativas e Lógica Fuzzy

Sistema de Monitoramento de Múltiplos Sensores por Redes Neurais Auto-Associativas e Lógica Fuzzy Javier Eduardo Reyes Sánchez Sistema de Monitoramento de Múltiplos Sensores por Redes Neurais Auto-Associativas e Lógica Fuzzy Dissertação de Mestrado Dissertação apresentada como requisito parcial para

Leia mais

ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO ABSTRACT 1.

ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO ABSTRACT 1. ANÁLISE TRIDIMENSIONAL DA VELOCIDADE E PRESSÃO ESTATÍSCA DO AR EM SILO DE AERAÇÃO USANDO ELEMENTOS FINITOS RESUMO EDUARDO VICENTE DO PRADO 1 DANIEL MARÇAL DE QUEIROZ O método de análise por elementos finitos

Leia mais

Redes Neurais Artificiais Aplicadas à Previsão de Consumo de Água

Redes Neurais Artificiais Aplicadas à Previsão de Consumo de Água Proceedings of the VI Brazilian Conference on Neural Networks - VI Congresso Brasileiro de Redes Neurais pp. 319 324, June 2 5, 3 Centro Universitário da FEI, São Paulo - SP - Brazil Redes Neurais Artificiais

Leia mais

Anais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009,

Anais do XV ENCITA 2009, ITA, Outubro, 19-22, 2009, Anais do 5 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 9 a 009. INTERPOLAÇÃO PARABÓLICA EM INTEGRADOR

Leia mais

Sistemas de Automação

Sistemas de Automação Sistemas de Automação Introdução Walter Fetter Lages w.fetter@ieee.org Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica Programa de Pós-Graduação em Engenharia

Leia mais

Nome da Empresa Sistema digitalizado no almoxarifado do EMI

Nome da Empresa Sistema digitalizado no almoxarifado do EMI Nome da Empresa Documento Visão Histórico de Revisões Data Versão Descrição Autor 23/02/2015 1.0 Início do projeto Anderson, Eduardo, Jessica, Sabrina, Samuel 25/02/2015 1.1 Correções Anderson e Eduardo

Leia mais

ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL

ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL ESTUDO DOS DADOS DA LIXIVIAÇÃO DOS MATERIAIS DE ELETRODOS DE PILHAS EM HCl POR REDE NEURAL Macêdo, M. I. F 1, Rosa, J. L. A. 2, Gonçalves, F. 2, Boente, A. N. P. 2 1 Laboratório de Tecnologia de Materiais,

Leia mais

Proposta de Implementação em Hardware dedicado de Redes Neurais Competitivas com Técnicas de Circuitos Integrados Analógicos

Proposta de Implementação em Hardware dedicado de Redes Neurais Competitivas com Técnicas de Circuitos Integrados Analógicos Proposta de Implementação em Hardware dedicado de Redes Neurais ompetitivas com Técnicas de ircuitos Integrados Analógicos Autores Prof. Dr. Paulo M. Engel Universidade Federal do Rio Grande do Sul UFRGS/rasil

Leia mais

O que são sistemas supervisórios?

O que são sistemas supervisórios? O que são sistemas supervisórios? Ana Paula Gonçalves da Silva, Marcelo Salvador ana-paula@elipse.com.br, marcelo@elipse.com.br RT 025.04 Criado: 10/09/2004 Atualizado: 20/12/2005 Palavras-chave: sistemas

Leia mais

RENATO SOARES DE AGUILAR ADEQUAÇÃO DE UM SISTEMA DE PICKING NO ARMAZÉM DE PRODUTOS ACABADOS DE UMA EMPRESA DE PRODUTOS ELÉTRICOS

RENATO SOARES DE AGUILAR ADEQUAÇÃO DE UM SISTEMA DE PICKING NO ARMAZÉM DE PRODUTOS ACABADOS DE UMA EMPRESA DE PRODUTOS ELÉTRICOS RENATO SOARES DE AGUILAR ADEQUAÇÃO DE UM SISTEMA DE PICKING NO ARMAZÉM DE PRODUTOS ACABADOS DE UMA EMPRESA DE PRODUTOS ELÉTRICOS Escola de Engenharia Universidade Federal de Minas Gerais Departamento de

Leia mais

Sistemas de Controle I (Servomecanismo) Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1

Sistemas de Controle I (Servomecanismo) Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1 Sistemas de Controle I (Servomecanismo) Carlos Alexandre Mello 1 O que são sistemas de controle Um sistema de controle é um conjunto de componentes organizados de forma a conseguir a resposta desejada

Leia mais

COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS

COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS O documento que serviu de base para a análise a seguir é o denominado "Diretrizes Curriculares

Leia mais

Instituição Escola Técnica Sandra Silva. Direção Sandra Silva. Título do Trabalho Fonte de Alimentação. Áreas Eletrônica

Instituição Escola Técnica Sandra Silva. Direção Sandra Silva. Título do Trabalho Fonte de Alimentação. Áreas Eletrônica Instituição Escola Técnica Sandra Silva Direção Sandra Silva Título do Trabalho Fonte de Alimentação Áreas Eletrônica Coordenador Geral Carlos Augusto Gomes Neves Professores Orientadores Chrystian Pereira

Leia mais

Sistemas de monitoramento on-line aplicados aos diversos segmentos do sistema elétrico. Brasil

Sistemas de monitoramento on-line aplicados aos diversos segmentos do sistema elétrico. Brasil Sistemas de monitoramento on-line aplicados aos diversos segmentos do sistema elétrico David Scaquetti Siemens Ltda. Danilo Santos Siemens Ltda. Brasil RESUMO As mudanças impostas à filosofia de operação

Leia mais

T.T. 035 MAXIMIZANDO A DISPONIBILIDADE DOS ATIVOS, ATRAVÉS DA INTEGRAÇÃO DE TÉCNICAS PREDITIVAS E VARIÁVEIS DE PROCESSO

T.T. 035 MAXIMIZANDO A DISPONIBILIDADE DOS ATIVOS, ATRAVÉS DA INTEGRAÇÃO DE TÉCNICAS PREDITIVAS E VARIÁVEIS DE PROCESSO T.T. 035 MAXIMIZANDO A DISPONIBILIDADE DOS ATIVOS, ATRAVÉS DA INTEGRAÇÃO DE TÉCNICAS PREDITIVAS E VARIÁVEIS DE PROCESSO Luiz Fernando P. Gonçalves (1) Otávio Luiz Dibe Vescovi (2) Karlheinz Kattermann

Leia mais

Grade Curricular - Engenharia de Computação

Grade Curricular - Engenharia de Computação Grade Curricular - Engenharia de Computação SEMESTRE 1 - Obrigatórias FCM0101 Física I 6 0 6 FFI0180 Laboratório de Física Geral I 2 0 2 SAP0678 Desenho 2 0 2 SAP0679 Humanidades e Ciências Sociais 2 0

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

Curso Calibração, Ajuste, Verificação e Certificação de Instrumentos de Medição

Curso Calibração, Ajuste, Verificação e Certificação de Instrumentos de Medição Curso Calibração, Ajuste, Verificação e Certificação de Instrumentos de Medição Instrutor Gilberto Carlos Fidélis Eng. Mecânico com Especialização em Metrologia pelo NIST - Estados Unidos e NAMAS/UKAS

Leia mais

REDES NEURAIS ARTIFICIAIS APLICADAS NO AUXÍLIO DE DIAGNÓSTICO DE FALHAS EM TRANSFORMADORES

REDES NEURAIS ARTIFICIAIS APLICADAS NO AUXÍLIO DE DIAGNÓSTICO DE FALHAS EM TRANSFORMADORES REDES NEURAIS ARTIFICIAIS APLICADAS NO AUXÍLIO DE DIAGNÓSTICO DE S EM TRANSFORMADORES ARTIFICIAL NEURAL NETWORKS APPLIED AS AN AID FOR TRANSFOMER FAULT DIAGNOSIS Márcio Mendonça 1 Marco A. F. Finocchio

Leia mais

Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais

Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Raimundo José Macário Costa Programa de Engenharia de Sistemas, COPPE/UFRJ E-mail: macario@cos.ufrj.br Telma Silveira

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

MANUAL DE INSTRUÇÕES Indicador Microprocessado - IT-IND-2S-LC INFORMAÇÕES DO PRODUTO. Versão: 1.xx / Rev. 03

MANUAL DE INSTRUÇÕES Indicador Microprocessado - IT-IND-2S-LC INFORMAÇÕES DO PRODUTO. Versão: 1.xx / Rev. 03 1 Introdução: Os indicadores possuem uma entrada analógica configurável por software, que permite a conexão de diverstos tipos de sensores de temperatura e outras grandezas elétricas sem a necessidade

Leia mais

CUIDADOS NA MANUTENÇÃO EM ESTUFAS

CUIDADOS NA MANUTENÇÃO EM ESTUFAS RECOMENDAÇÃO TÉCNICA ISSN 1413-9553 agosto, 1998 Número 11/98 CUIDADOS NA MANUTENÇÃO EM ESTUFAS Luiz F. de Matteo Ferraz Ladislau Marcelino Rabello Empresa Brasileira de Pesquisa Agropecuária Centro Nacional

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local

Leia mais

DESENVOLVIMENTO DE UM DISPOSITIVO COMPUTACIONAL APLICADO AO PROCESSO DE IDENTIFICAÇÃO DE SISTEMA EM SISTEMAS INDUSTRIAIS. Resumo

DESENVOLVIMENTO DE UM DISPOSITIVO COMPUTACIONAL APLICADO AO PROCESSO DE IDENTIFICAÇÃO DE SISTEMA EM SISTEMAS INDUSTRIAIS. Resumo DESENVOLVIMENTO DE UM DISPOSITIVO COMPUTACIONAL APLICADO AO PROCESSO DE IDENTIFICAÇÃO DE SISTEMA EM SISTEMAS INDUSTRIAIS Polieny de Faria Albernaz polieny.faria@gmail.com Universidade Federal de Uberlândia

Leia mais

Seminário: Transmissão de Energia Elétrica a Longa Distância

Seminário: Transmissão de Energia Elétrica a Longa Distância Monitoramento de Transformadores de Potência Gerenciamento de Dados para o Monitoramento e Avaliação da Condição Operativa de Transformadores Seminário: Transmissão de Energia Elétrica a Longa Distância

Leia mais

Medições com strain gage

Medições com strain gage Medições com strain gage Renan Azevedo Engenheiro de Produto, DAQ & Teste NI Henrique Sanches Marketing Técnico, LabVIEW NI Pontos principais Conceitos básicos de strain gage Conceitos básicos das medições

Leia mais

Redes Neurais no MATLAB 6.1

Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando, e m-files Interface gráfica (NNTool) 1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando,,

Leia mais

Resumo. Abstract. 1. Introdução. PHD, Engenheiro Químico Petrobras

Resumo. Abstract. 1. Introdução. PHD, Engenheiro Químico Petrobras 11:39:12 AM IBP1407_06 INTERCONEXÃO DE MEDIDORES DE VAZÃO DE GÁS EM AMBIENTE DE REDE INDUSTRIAL Leonardo A. Casillo 1, Thiago Colombieri A. Souza 2, Felipe César A. Couto 2, Isabele M. Costa 1, José A.

Leia mais

PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS

PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS PARADIGMAS DA INTELIGÊNCIA ARTIFICIAL EM JOGOS ELETRÔNICOS João Antônio Bezerra Rodrigues¹, Késsia Rita da C. Marchi¹, Jaime William Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil joaoabrodrigues@outlook.com

Leia mais

Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE

Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE Bernardo da Rocha Spindel Análise e Desenvolvimento de Sistema de Estimação de Modelos da Classe STAR-TREE Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

Leia mais

Controle de Processo Ideal: PCS 7 Library SIMOCODE pro SIRIUS. Respostas para a indústria.

Controle de Processo Ideal: PCS 7 Library SIMOCODE pro SIRIUS. Respostas para a indústria. Controle de Processo Ideal: PCS 7 Library SIMOCODE pro Respostas para a indústria. Percepção, previsão, visão ampliada: SIMOCODE pro integrado no SIMATIC PCS7 O sistema flexível de gerenciamento de motores

Leia mais

UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO. Profª Danielle Casillo

UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO. Profª Danielle Casillo UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO CURSO: CIÊNCIA DA COMPUTAÇÃO Profª Danielle Casillo Nome: Automação e Controle Créditos: 4 60 horas Período: 2010.2 Horário: quartas e sextas das 20:40 às 22:20

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais